Hacker News 音频技术 - 2025-10-22
1. Soniox发布STT模型v3：语音理解新标杆
作者: raluk | 发布于: 2025-10-21 13:55
2. HuggingFace ASR排行榜新增基准测试（含英伟达Canary模型）
作者: pinter69 | 发布于: 2025-10-19 07:49
3. Show HN: Lightning-SimulWhisper：苹果芯片实时语音识别系统
开源SimulStreaming语音转录模型的CoreML/MLX移植版，在M2 Macbook Pro上比原PyTorch实现快15倍，平衡内存与准确率。
作者: predict-woo | 发布于: 2025-10-17 18:54
4. 我刚刚更新了我的TTS模型
作者: FrostDream | 发布于: 2025-10-12 20:16
5. 免费文本转语音（TTS）——RealDubbing AI语音生成器
作者: wsljhint | 发布于: 2025-10-12 08:34
6. Voxscribe：语音转文字模型对比平台
作者: fraseque | 发布于: 2025-10-09 09:07
7. Show HN：浏览器中支持文本高亮同步的设备端TTS
浏览器工具可将任意网页转为带高亮显示的音频，完全本地运行无需服务器。首次使用需下载语音模型，之后可离线使用。
作者: vahid4m | 发布于: 2025-10-08 13:26
8. NeuTTS Air – Neuphonic推出的端侧文本转语音模型
作者: maxloh | 发布于: 2025-10-07 17:36
9. Neutts-air：开源设备端文本转语音系统
作者: nopelynopington | 发布于: 2025-10-06 09:06
10. Show HN: Kani TTS – 仅3.7亿参数的开源快速文本转语音模型
作者: joeyeh_ | 发布于: 2025-10-01 18:00
11. Show HN：一键构建语音助手的命令行工具，集成语音识别/语音合成/大语言模型
发布CLI工具，支持从开发环境快速构建、测试和部署语音AI代理，并征集开发者反馈。
作者: aidanhornsby | 发布于: 2025-09-29 13:40
12. Ask HN：在编排实时语音识别和大语言模型时，你遇到了哪些痛点？
开发者分享构建实时语音应用的挑战：语音识别转文本后经LLM处理时，存在准确率随对话长度下降、多环节延迟导致交互卡顿等问题，寻求优化方案。
作者: kojaco | 发布于: 2025-09-29 00:26
13. Show HN: Parkiet – 用不到100美元为任意语言微调大型TTS模型
开发者用谷歌免费TPU资源训练出荷兰语TTS模型，效果媲美ElevenLabs。开源了模型权重和完整训练流程，成本约100-300美元。为其他语言TTS开发提供实用指南。
作者: ph4evers | 发布于: 2025-09-24 06:32
14. Show HN: KaniTTS – 超快速且富有表现力的文本转语音模型
作者: defoemark | 发布于: 2025-09-22 18:54
15. 本地文本转语音（TTS）与Mlx-Audio语音克隆技术
作者: johnys | 发布于: 2025-09-21 17:40
16. Show HN: KaniTTS – 仅4.5亿参数的开源高保真文本转语音模型
作者: ulan_kg | 发布于: 2025-09-19 18:42
17. 评估不同ASR工具包与API的基准测试代码
作者: pinter69 | 发布于: 2025-09-18 09:40
18. Show HN：用C语言实现的STT→LLM→TTS处理流程
开发者创建了三个C/C++封装库，集成Whisper.cpp、Llama.cpp和Piper，支持语音转文本、大语言模型推理和文本转语音的完整流程，兼容Windows和Linux系统。
作者: RhinoDevel | 发布于: 2025-09-17 06:52
19. 开放ASR排行榜：AI转录模型
作者: cjbarber | 发布于: 2025-09-13 21:32
20. Qwen3 ASR：听得清晰，转录智能
作者: meetpateltech | 发布于: 2025-09-08 15:07